¿Por qué las características aleatorias de Fourier no son negativas?


10

Las características aleatorias de Fourier proporcionan aproximaciones a las funciones del núcleo. Se utilizan para varios métodos de kernel, como SVM y procesos gaussianos.

Hoy, intenté usar la implementación de TensorFlow y obtuve valores negativos para la mitad de mis funciones. Según tengo entendido, esto no debería suceder.

Así que volví al documento original , que --- como esperaba --- dice que las características deberían vivir en [0,1]. Pero su explicación (resaltada a continuación) no tiene sentido para mí: la función coseno puede producir valores en cualquier lugar en [-1,1] y la mayoría de los puntos mostrados tienen valores coseno negativos.

Probablemente me estoy perdiendo algo obvio, pero agradecería si alguien puede señalar lo que es.

Figura 1

Respuestas:


4

Aparentemente, la oración resaltada es incorrecta (o al menos confusa): puede ser negativa. Esto no es un problema porque solo nos importa el producto interno de , no el mismo.z(x) zz

El "producto interno" de solo parecía incorrecto cuando utilicé este método porque mezclé y . No porque estuviera equivocado.zzzzzz

Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.